于楠

摘 要

目前，焊點質(zhì)量檢測方法大多在二維測試模式下工作，無法在三維質(zhì)量信息層面對焊點進行評估。本文研究基于表面視覺恢復技術的SMT焊點圖像三維重構(gòu)技術，為三維焊點質(zhì)量檢測提供了依據(jù)。仿真結(jié)果表明，本文算法能夠較好地重構(gòu)SMT焊點三維圖像。

關鍵詞

光照模型;SFS;三維重構(gòu)

中圖分類號： TP391.41 ? ? ? ??文獻標識碼： A

DOI：10.19694/j.cnki.issn2095-2457.2020.09.068

0 引言

采用電子電路表面貼裝技術（Surface Mount Technology，SMT）形成的電子電路產(chǎn)品具有體積小、重量輕、集成度高等優(yōu)點。但其可靠性問題嚴重。實際中，可從SMT焊點圖像中獲取信息，檢測SMT焊點質(zhì)量和電路可靠性[1-2]。

當前SMT焊點質(zhì)量檢測技術多為二維檢測方法，但由于角度、燈光變化的影響，會導致采集與檢測焊點特征困難。為克服2D焊點質(zhì)量檢測的缺點，提出3D焊點質(zhì)量檢測。

本文利用焊點圖像灰度信息，進行單幅圖像SMT焊點三維表面（Shape from Shading，SFS）重構(gòu)。研究內(nèi)容包括：研究SMT焊點圖像混合噪聲去除方法;研究適合SMT焊點三維重構(gòu)的光照模型;研究焊點三維重構(gòu)技術。

1 SMT焊點圖像混合噪聲去除技術分析

SMT焊點圖像在傳輸、接收及處理過程中，會摻雜不同噪聲，其中包括：椒鹽與高斯噪聲等。

現(xiàn)有去噪方法大多是針對單一噪聲去除的，當圖像受到兩種噪聲同時干擾時，去噪方法都不能達到最好效果。本文結(jié)合小波包自適應（AWP）閾值計算方法，Wiener濾波和Median濾波，設計SMT焊點圖像混合噪聲去除算法-AWPWM，其流程如下：

（1）對圖像進行小波包分解，得到每一層小波包的系數(shù);

（2）利用維納濾波方法，對小波包系數(shù)濾波;

（3）計算濾波后的小波包系數(shù)方差絕對值，得到中間值及其小波包系數(shù);

（4）根據(jù)小波包自適應閾值計算方法，計算出最佳閾值;

（5）采用小波包自適應閾值去噪方法，對圖像進行二次去噪;

（6）重構(gòu)二次去噪后的小波包系數(shù);

（7）采用中值濾波進行平滑處理，對圖像三次去噪，獲取最終去噪圖像。

2 SMT焊點表面光照模型

SMT焊點表面光照模型由漫反射分量與鏡面反射分量構(gòu)成。

常用的光照漫反射模型包括：Lambert漫反射模型和Oren-Nayar模型等[5-6]。

Lambert模型對光反射現(xiàn)象近似描述;Oren和Nayar模型的數(shù)學表達式復雜，不能直接用于SMT焊點圖像表面三維重構(gòu)。

Oren-Nayar光照模型考慮了光線相互反射，但SMT焊點表面光滑，因此光線相互反射分量對焊點圖像灰度信息貢獻很小，可忽略，得到簡化的光照漫反射模型。

Torrance-Sparrow提出了簡單光照鏡面反射模型，當物體表面粗糙度確定時，光照強度將隨著入射角變化，若選擇適當參數(shù)，簡化光照鏡面反射模型可代替光照鏡面反射模型。

線性疊加鏡面反射分量和漫反射分量獲取改進光照模型。結(jié)合改進光照模型，設計基于SFS技術的單幅圖像重構(gòu)SMT焊點表面三維形狀算法。

3 SMT片式元件焊點表面三維形狀重構(gòu)結(jié)果

采集元件圖像，分割出左焊點，獲取焊點圖像如圖1所示。

采用文中提出的AWPWM方法進行去噪，重構(gòu)后的SMT焊點的表面三維形狀，結(jié)果如圖2所示。

由基于改進光照模型的SMT焊點表面三維重構(gòu)結(jié)果可知：

（1）采用合適的圖像去噪算法，可有效地去除焊點圖像中的噪聲，有利于提高SMT焊點表面三維重構(gòu)的效果，使重構(gòu)后焊點三維表面曲線連續(xù);

（2）采用改進光照模型，得到比較理想的三維形狀，較好的重構(gòu)了SMT焊點三維圖像。

參考文獻

[1]于新瑞等.視覺輔助表面貼裝技術中圖像處理技術的研究[J].計算機工程與應用，2003， 29（5）：132-133.

[2]黃春躍.基于焊點虛擬成形技術的3MT焊點質(zhì)量檢測和智能鑒別技術研究[D].安電子科技大學博士論文，2007.

[3]張維強，宋國鄉(xiāng).基于一種新的閾值函數(shù)的小波域信號去噪[J].西安電子科技大學學報（自然科學版），2004，31（2）：296-303.

[4]Miller，Nick Kingsbury.Image Denoising Using Derotated Complex Wavelet Coefficients[J].IEEE Trans Image Processing，2008，17（9）：1500-1511.

[5]Tsunashima，H .Saito and N.Estimation of 3-DParametric Models from Shading Image Using Genetic Algorithms[C].IEEE Computer Society Conference on Com puter Vision and Pattern Recognition，1994：668-670.

[6]趙輝煌，周德儉，黃春躍.一種改進灰度重構(gòu)形狀光照模型及其實現(xiàn)[J].計算機集成制造系統(tǒng)，2009，15（10）：1951-1955.

[7]R.Zhang，P.-S.Tsai，J.E.Cryerand M.Shah. Shape from Shading：A Survey[J].IEEE Trans，on Patern Analysis and Machine Intelligence（PAMI），1999，21（8）：690-705.

[8]趙東斌，陳強，陳善本等.由單幅圖像恢復物體三維形狀的應用研究[J].光學技術，2001，27（4）：367-369.

[9]Kong Fanhui，Wang Yongxin. Reconstruction of solder joint surface based on shape from shading[C].IEEE Third International Conference on Natural Computation，2007：58-62.

[10]GAO Yuefang，LUO Fei，GAO Jianzhong.A Shape from Shading Algorithm and Its Application[C].2007 IEEE International Conference on Control and Automation，200 7：2133-2135.